�ݺ�ߣ

TS Nguyen Ngoc Rang; Email: rangbvag@yahoo.com; Website: bvag.com.vn; Trang:1
PHÂN TÍCH HỒI QUI TUYẾN TÍNH ĐƠN GIẢN
17.1 Phương trình hồi qui tuyến tính
Phân tích hồi qui tuyến tích đơn giản (Simple Linear Regression Analysis) là
tìm sự liên hệ giữa 2 biến số liên tục: biến độc lập (biến dự đoán) trên trục hoành x
với biến phụ thuộc (biến kết cục) trên trục tung y. Sau đó vẽ một đường thẳng hồi
qui và từ phương trình đường thẳng này ta có thể dự đoán được biến y (ví dụ: cân
nặng) khi đã có x (ví dụ: tuổi)
Ví dụ 1: Ta có 1 mẫu gồm 6 trẻ từ 1-6 tuổi, có cân nặng như bảng sau:
Tuổi Cân nặng (kg)
1 10
2 12
3 14
4 16
5 18
6 20
Nối các cặp (x,y) này ta thấy có dạng 1 phương trình bậc nhất: y=2x+8
(trong đó 2 là độ dốc và 8 là điểm cắt trên trục tung y khi x=0). Trong thống kê
phương trình đường thẳng (bậc nhất) này được viết dưới dạng:
y= x +  [1]

Đây là phương trình hồi qui tuyến tính, trong đó  gọi là độ dốc (slope) và  là chặn
(intercept), điểm cắt trên trục tung khi x=0.
Thực ra phương trình hồi qui tuyến tính này chỉ có trên lý thuyết, nghĩa là các trị số
của xi (i=1,2,3,4,5,6) và yi tương ứng, liên hệ với nhau 100% (hoặc hệ số tương
quan R=1)
Trong thực tế hiếm khi có sự liên hệ 100% này mà thường có sự sai lệch giữa trị
số quan sát yi và trị số yi’ ước đoán nằm trên đường hồi qui.
17.1.1 Mô hình hồi qui tuyến tính
Ví dụ 2: Ta có 1 mẫu gồm 6 trẻ em khác có cân nặng theo bảng sau:
Tuổi Cân nặng (kg)
1 11
2 11
3 14
4 16
5 18
6 20
Khi vẽ đường thẳng hồi qui, ta thấy các trị số quan sát y3, y4, y5, y6 nằm trên đường
thẳng, còn y1 và y2 không nằm trên đường thẳng này và sự liên hệ giữa xi và yi

không còn là 100% mà chỉ còn 97% vì có sự sai lệch tại y1 và y2. Sự sai lệch này
trong thống kê gọi là phần dư (residual) hoặc errors.
Gọi y1, y2, y3, y4, y5, y6 là trị số quan sát và y’1, y’2, y’3, y’4, y’5, y’6 là trị số ước đoán
nằm trên đường hồi qui, 1, 2, 3, 4, 5, 6 là phần dư.
Như vậy 1= y1 –y’1
2 = y2 –y’2
3 = y3 –y’3
4 = y4 –y’4
5 = y5 – y’5
6 = y6 –y’6
Khi đó phương trình hồi qui tuyến tính được viết dưới dạng tổng quát như sau:
y’= βxi + i+ i [2]
Như vậy nếu phần dư i càng nhỏ sự liên hệ giữa x,y càng lớn và ngược lại. Phần
liên hệ còn đượi gọi là phần hồi qui. Mô hình hồi qui tuyến tích được mô tả như sau:
Dữ liệu= Hồi qui (Regression) + Phần dư (Residual)
17.1.2 Ước tính hệ số tương quan  và chặn 
Muốn vẽ được phương trình hồi qui tuyến tính cần phải ước tính được độ dốc
 và chặn  trên trục tung.
Ví dụ 3: Nếu chúng ta chọn một mẫu thực tế gồm 30 em từ 1-6 tuổi và kết quả cân
nặng tương ứng của 30 em được vẽ trong biểu đồ sau:

Lúc này ta không thể nối 30 điểm trên biểu đồ mà phải vẽ 1 đường thẳng đi càng
gần với tất cả các điểm càng tốt. Như vậy 3 đường thẳng ở biểu đồ ta chọn đường
thẳng nào?. Nguyên tắc chọn đường thẳng nào đi gần cả 30 điểm, có nghĩa làm sao
để tổng các phần dư i nhỏ nhất:
 i=  (yi- βx – α)
và tổng bình phương của phần dư:
 (i)2
=  (yi- βx – α)2
Đây là phương trình bậc 2 theo x. Trong toán học, muốn tìm trị cực tiểu của 1
phương trình bậc 2, người ta lấy đạo hàm và cho đạo hàm triệt tiêu (bằng 0) sẽ tìm
được trị cực tiểu của x. Giải phương trình này, ta sẽ tính được 2 thông số  và  và
từ 2 thông số này ta sẽ vẽ được đường thẳng hồi qui. Phương pháp này trong toán
học gọi là phương pháp bình phương nhỏ nhất (least square method).
Giải phương trình trên ta có:
 = r
Sy
Sx
(r là hệ số tương quan; Sy là độ lệch chuẩn của y và Sx là độ lệch chuẩn của x)
r =
1
n-1
 (
xi- x
Sx
) (
yi- y
Sy
)
= y - x
và phương trình hồi qui tuyến tính của y theo x (bình phương nhỏ nhất) là:
y’ = βxi + 
17.2 Phân tích hồi qui tuyến tính trong SPSS
Nhập số liệu tuổi và cân nặng cân được của 30 trẻ 1-6 tuổi vào SPSS:
Cột 1: tuổi; cột 2: cân nặng

Vào menu: >Analyze> Regression> Linear

Bảng 17.1 Tóm tắt mô hình
Hệ số tương quan R=0,918 và R2
=0,843
Bảng 17. 2 Phân tích ANOVA với biến phụ thuộc là cân nặng
Tổng bình phương phần hồi qui (Regression)=336,14

Tổng bình phương phần dư (Residual)=62,8
Trung bình bình phương hồi qui: 336,14/ 1 (bậc tự do)=336,14
Trung bình bình phương phần dư: 62,8/ 28(bậc tự do=n-2)=2,24
F=
336,14
2,24
= 149,8 và p<0,000
Bảng 17.3 Hệ số tương quan  và chặn 
Kết quả bảng 3 cho biết hệ số tương quan  (độ dốc) = 1,96 và điểm cắt tại trung
tung là =7.773
Phương trình đường thẳng hồi qui được viết:
Cân nặng= 7,77 + 1,96 x tuồi
Như vậy khi em bé tăng lên 1 tuổi thì cân nặng tăng lên 1,96 kg
Vẽ đường thẳng hồi qui trong SPSS
Linear Regression
1.00 2.00 3.00 4.00 5.00 6.00
tuoi
8.00
12.00
16.00
20.00
cannang




 
























cannang = 7.77 + 1.96 * tuoi
R-Square = 0.84

Từ phương trình này ta có thể ước đoán được cân nặng theo tuổi của trẻ, tuy nhiên
nằm trong một giới hạn nào đó chẵng hạn như từ 1-12 tuổi, vì sau tuổi này cân nặng
trẻ sẽ tăng vọt trong thời kỳ dậy thì và không còn liên hệ tuyến tính với tuổi nữa.
Ví dụ muốn ước đoán cân nặng của trẻ từ quần thể nghiên cứu này:
7 tuổi  Cân nặng= 7,77 + 1,96 x7 = 21,49 kg
8 tuổi  Cân nặng= 7,77 + 1,96 x8 = 23,45 kg
17. 3 Các giả định trong phân tích hồi qui tuyến tính
Phân tích hồi qui tuyến tính không chỉ là việc mô tả các dữ liệu quan sát
được trong mẫu (sample) nghiên cứu mà cần phải suy rộng cho mối liên hệ
trong dân số (population). Vì vậy, trước khi trình bày và diễn dịch mô hình hồi
qui tuyến tính cần phải dò tìm vi phạm các giả định. Nếu các giả định bị vi
phạm thì các kết quả ước lượng không đáng tin cậy được.
Các giả định cần thiết trong hồi qui tuyến tính:
1. xi là biến số cố định, không có sai sót ngẫu nhiên trong đo lường.
2. Phần dư (trị số quan sát trừ cho trị số ước đoán) phân phối theo luật
phân phối chuẩn
3. Phần dư có trị trung bình bằng 0 và phương sai không thay đổi cho mọi
trị xi
4. Không có tương quan giữa các phần dư
Ví dụ: Một nghiên cứu tìm sự tương quan giữa cholesterol máu với bề dày
lớp nội trung mạc (NTM) của động mạch cảnh đo được trên siêu âm với
dữ liệu ghi nhận ở 100 BN như sau:

Biểu đồ phân tán (scatter) là một phương tiện tốt để đánh giá mức độ
đường thẳng phù hợp với dữ liệu quan sát.
Vào menu: Analyze> Curve Estimation

Vào màn hình Curve Estimation
Nhắp chuyển BEDAYNTM (Bề dày nội trung mạc) vào ô Dependent (s) và
CHOLESTEROL vào ô Variable. Đánh dấu nháy vào các ô Include
constant in equation, ô Plot models và ô Linear (nếu muốn ước lượng sự
liên hệ giữa 2 biến theo dạng phương trình bậc 2 thì đánh thêm dấu nháy
vào ô Quadratic). Nhấn OK, ta có biểu đồ sau:

Đây là phương trình hồi qui tuyến tính với y= 0,748 + 0,062x
Giả định x ( cholesterol máu) là một biến cố định, không có sai sót trong đo
lường. Giả định này không có vấn đề nếu bệnh nhân được đo ở một phòng
thí nghiệm chuẩn.
Các giả định còn lại thực hiện trong SPSS như sau:
Vào menu: Analyze> Regression> Linear...

Vào màn hình Linear, Nhắp chuyển BEDAYNTM qua ô Dependent và
CHOLESTEROL qua ô Independent(s)
Nhấn nút Plots, mở hộp thoại Plots:
Nhấp chuyển phần dư *ZRESID vào ô X (trục hoành) và giá trị dự đoán
vào ô Y (trục tung) để xem phân dư có phân bố ngẫu nhiên và phương sai
có cố định cho mọi trị của xi. Nhấn dấu nháy vào ô Histogram và ô Normal
probability plot để xem phần dư có phân phối chuẩn.

Nhấn Continue, sau đó nhấn OK cho kết quả sau:
Như vậy phần dư có trung bình (mean)=0 và độ lệch chuẩn (SD)=0,394
Biểu đồ phân bố phần dư có dạng hình chuông đều 2 bên, trị trung bình
gần bằng zero và SD gần bằng 1. Như vậy giả định phần dư có phân phối
chuẩn không bị vi phạm.
Hoặc xem biểu đồ P-P plot so sánh giữa phân phối tích lũy của phần dư
quan sát (Observed Cum Prob) trên trục hoành và phân phối tích lũy kỳ

vọng (Expected Cum Prob) trên trục tung. Nếu các điểm đều nằm gần
đường chéo thì phân phối phần dư được coi như gần chuẩn.
Cuối cùng để xem giả định các phương sai không đổi với mọi giá trị của x
(cholesterol máu) hoặc gọi là homoscedasticity. Nếu các trị phần dư
phân tán ngẫu nhiên quanh giá trị zero (đường ngang) thì coi như phương
sai không thay đổi, và giả định về homoscedasticity không bị vi phạm.

Nếu phương sai thay đổi (lớn dần hoặc nhỏ dần theo giá trị của x) thì gọi là
Heteroscedascity (giả định về phương sai cố định bị vi phạm). Ví dụ như hình
dưới đây:
Tóm lại, với ví dụ trên các giả định của phân tích hồi qui tuyến tính đều thỏa
mãn và ta có thể kết luận là bề dày nội trung mạc động mạch cảnh có liên hệ
tuyến tính với nồng độ cholesterol máu theo phương trình :
Y (Bề dày nội trung mạc)= 0,062 X cholesterol + 0,748.
Như vậy cứ nồng độ cholesterol tăng lên 1 mmol/L thì bề dày nội trung mạc
động mạch cảnh tăng lên 0,062mm.
Tài liệu tham khảo:
1. McClave J T and Sincich T. 2000. Simple linear regression in Statistics, 8th
edition, Prentice-Hall, USA, pp. 505-557.
2. Moore D. S. and McCabe G. P. 1999. Looking at Data-Relationships (Chapter
2), in Introduction to the Practice of Statistics, W.H. Freeman and Company,
New York, pp. 102-145.

�ݺ�ߣ

Phan tich-hoi-quy-tuyen-tinh-don-gian

More Related Content

Phan tich-hoi-quy-tuyen-tinh-don-gian